CN104463442B - 一种城乡建设集聚性的探测方法 - Google Patents

一种城乡建设集聚性的探测方法 Download PDF

Info

Publication number
CN104463442B
CN104463442B CN201410689830.XA CN201410689830A CN104463442B CN 104463442 B CN104463442 B CN 104463442B CN 201410689830 A CN201410689830 A CN 201410689830A CN 104463442 B CN104463442 B CN 104463442B
Authority
CN
China
Prior art keywords
town
data
construction
urban
country
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410689830.XA
Other languages
English (en)
Other versions
CN104463442A (zh
Inventor
刘彦随
杨忍
陈玉福
李裕瑞
李玉恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN201410689830.XA priority Critical patent/CN104463442B/zh
Publication of CN104463442A publication Critical patent/CN104463442A/zh
Application granted granted Critical
Publication of CN104463442B publication Critical patent/CN104463442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Abstract

本发明提供了一种城乡建设集聚性的探测方法，所述方法包括：获取研究区在若干不同时间点的城乡建设用地空间矢量数据；制作不同尺度的空间网格；对不同尺度格网数据以研究区边界图层为掩模图层进行裁剪，获得与所述研究区匹配的不同尺度的标准范围格网；对于所述研究区每一个时间点的城乡建设用地数据，分别将不同尺度的所述标准范围格网与每一个时间点的所述城乡建设用地数据叠置融合，以便将每个时间点的城乡建设用地数据映射到不同尺度的所述标准范围格网；计算其内部各个单元格中城乡建设用地面积；计算所述研究区的城乡建设集聚性，空间成长性、区域差异性。本发明的方法可以用于指导城乡建设规划，为公路、铁路和其他基础设施建设选址提供依据。

Description

一种城乡建设集聚性的探测方法
技术领域
本发明涉及数据处理领域，具体涉及获得城乡建设集聚性的探测方法以及生成相应城乡建设集聚性图的方法。
背景技术
改革开放30多年来，中国正以前所未有的速度推进着工业化、城镇化进程。而工业化、城镇化的快速发展，驱动着区域城乡关系、工农关系，以及产业结构、就业结构、消费结构的快速转型。十八大提出“新型城镇化”战略，对加快建设城乡发展一体化新格局提出了明确要求。因此，城乡发展转型过程、格局、模式与途径等科学问题，成为统筹城乡发展规划与决策的前沿课题，也是地理学面向国家战略需求发挥综合研究优势的重要领域。
城镇空间扩展必然导致土地非农化、城乡空间结构与格局的持续变化，而当前国内城镇化研究多侧重于从人口的就业、居住、共享城市社会服务等。目前已有的城乡建设发展方面的专利主要集中在两个方面：一是解决单一城市中心区确定问题。如申请号为CN201210014509，名称为一种城市中心区位置和聚集强度的确定方法的专利申请；申请号为CN201310164017，名称为一种基于集成度的城市中心区自动选址方法的专利申请。二是关于城镇化评估模拟问题。如申请号为CN 201010146726，名称为基于核主成分分析的城市演化模拟元胞模型处理方法的专利申请。
目前针对城乡建设集聚性的探测还主要集中在城市中心区的选取，对其城乡发展的过程和趋势均没有研究，更加没有应用。因此，构建一套能全面、综合地对城乡建设集聚性进行探测识别的技术方法具有重要的现实意义。例如，可以根据城乡建设发展的趋势，有针对性的指导铁路线路和站点的选址、输水输电工程的路线安排等。
发明内容
针对上述问题，本发明提出了一种新的城乡建设集聚性探测方法，并且本发明还提出了一种生成城乡建设集聚性图的方法。本发明所生成的成像建设集聚性图可以为静态的集聚性图，也可以为动态的集聚性图。基于动态的集聚性图城市规划人员可以合理地预测城市的发展走向，指导铁路线路和站点的选址、输水输电工程的路线安排，主干道路的规划设计等。
具体而言，本发明提供了一种城乡建设集聚性的探测方法，其特征在于，所述方法包括如下步骤：
步骤1：获取研究区在若干不同时间点的城乡建设用地空间矢量数据；
步骤2：制作不同尺度的空间网格；
步骤3：对不同尺度的空间网格数据以所述研究区的边界图层为掩模图层进行裁剪，获得与所述研究区匹配的不同尺度的标准范围格网；
步骤4：对于所述研究区每一个时间点的城乡建设用地数据，分别将不同尺度的所述标准范围格网与每一个时间点的所述城乡建设用地数据叠置融合，以便将每个时间点的城乡建设用地数据映射到不同尺度的所述标准范围格网，从而对于每一种尺度的标准范围格网形成对应于不同时间点的含有城乡建设用地数据的多个标准范围数据格网；
步骤5：对于每种尺度的各个所述标准范围数据格网，计算其内部各个单元格中城乡建设用地面积总和；
步骤6：对于每种尺度的各个所述标准范围数据格网，计算所述研究区的城乡建设集聚性。
在一种优选实现方式中，在所述步骤6中，所述研究区的城乡建设集聚性是通过下式计算的：
其中，
其中，xj是每个网格的成像建设用地面积，wi,j是网格i和j的空间权重，i和j分别代表两个网格的序号，n代表网格总数目。
在一种优选实现方式中，所述方法还包括：基于同一尺度的对应于不同时间点的标准范围数据格网，计算在某一时间段内所述标准范围数据格网中每个单元格的建设用地扩展强度Li，
其中，ΔUi为所述时间段内城乡建设用地拓展增加面积，Δt为时间跨度，TLA为每个单元格的土地总面积，
每个尺度，将所计算出的建设用地扩展强度Li代入公式(1)和(2)作为xi，从而计算出不同尺度条件下的动态城乡建设集聚性。
在一种优选实现方式中，所述方法还包括：
基于所获得的动态城乡建设集聚性来计算在每个尺度下不同网格之间的城乡建设集聚性差异。
在一种优选实现方式中，所述动态城乡建设集聚性通过下式计算：
ΔG＝Gt1-Gt2 (4)
式(4)中，Gt1、Gt2为两个年份同一位置对应网格的Getis-Odr Gi指数。
在一种优选实现方式中，所述方法还包括：
获取所述研究区内对于城乡建设用地空间分布的影响因素数据；
对所述动态城乡建设集聚性数据和所述影响因素数据进行逻辑斯蒂回归分析，获得城乡建设空间敏感性数据。
在一种优选实现方式中，所述方法还包括：
对在各个尺度下所获得城乡建设空间敏感性数据进行受检者工作特性曲线(ROC)检验，并且基于检验结果，确定多尺度网格的最优尺度，并且利用该最优尺度重新计算所述研究区的城乡建设集聚性、动态城乡建设集聚性、城乡建设集聚性差异性、城乡建设空间敏感性数据。
另一方面，本发明提供一种生成城乡建设集聚性图的方法，其特征在于，所述方法包括：
利用根据上述方法获得研究区的城乡建设集聚性数据，并基于所述城乡建设集聚性数据生成对应的城乡建设集聚性图；或者
利用根据上述方法获得研究区的动态城乡建设集聚性数据、城乡建设集聚性差异数据或者城乡建设空间敏感性数据，并且基于相应数据生成动态城乡建设集聚性图、城乡建设集聚性差异图或者城乡建设空间敏感性图。
另一方面，本发明提供一种城乡间主干公路线路选址方法，所述方法包括：利用根据上述方法计算城乡建设空间敏感性数据，并且基于所述建设空间敏感性数据选择所述城乡间主干公路线路的地址，以使得所述城乡间主干公路线路覆盖的敏感性数据值之和最高。这里所提到的使城乡间主干公路线路覆盖的敏感性数据值之后最高指的是对于所选择的主干线路，以所选的主干线路为基准线，分别向两侧扩展一段距离(例如5公里)作为该主干线路的覆盖范围，然后计算该覆盖范围内各网格的敏感性数据值之和，选择敏感性数据值之和最高的方案。这样，所选取的线路方案，所覆盖的建设用地范围最大，利用效率最高。而且，由于敏感性数据是预测值，代表着未来的建设用地情况，更能够适应城市的发展，而并非仅仅针对目前的城乡发展状况。
优选地，城乡建设空间敏感性概率探测的具体步骤包括：
对研究区不同时间点的土地利用Shape格式数据中的城乡建设用地数据，进行网格化(参照上述步骤1-5)，对网格化后的城乡建设用地数据进行二值化处理，得到研究区城乡建设用地二值化数据，其中1代表城乡建设用地，0代表其他用地；
获取城乡建设聚集性的主要影响因素数据，对所获得的影响因素数据进行空间栅格化处理，获得各因素的空间栅格数据；
采取分层采样方法对各因素的空间栅格数据进行采样取值；
利用logistic逐步回归模型，对二值化的城乡建设用地数据与采样后的影响因素数据进行逐步回归，回归分析模型如下式(5)：
式(5)中，Pi表示每个栅格可能出现城乡建设用地类型i的概率，x表示影响因素，贝塔表示偏回归系数。
然后，还可以利用ROC检验方法，对logistic回归结果进行受检者工作特性曲线(ROC)检验，并探测识别最优模拟尺度，进行城乡发展转型空间概率趋向预测，依据回归系数和各影响因素栅格图层，进行加权栅格代数运算，最终得到此年份城乡建设用地的空间分布概率图，每个象元记录该象元代表的地块转化为城乡建设用地的概率。本发明的一些步骤是基于ArcGIS 10.1软件平台进行的。本发明将该软件平台应用于探测识别城乡建设的空间中心积聚性和动态拓展性。此外，本发明利用地统计分析空间自相关性的冷热点区域探测方法，进行城乡发展转型中心集聚性探测。另外，本发明还按照城乡建设用地动态强度测算模型进行城乡发展转型动态性探测；在每个单元网格城乡建设用地动态强度测算的基础上，利用城乡建设用地差异性测算模型，深入探测城乡发展转型强度差异性。
有益效果
本发明利用格网和地统计研究方法，集成GIS的空间叠加分析和遥感地类分类技术，着眼城镇建设用地利用强度和空间动态变化视角，探究城乡建设的中心积聚性、空间拓展性、区域差异性，探测分析城乡建设发展转型的过程与格局，可以揭示出城乡发展转型的空间中心性、动态性、差异性规律以及城乡发展转型的空间敏感性概率，可为优化国土空间开发、促进城乡发展一体化提供技术支撑和决策依据。也可以为铁路、公路线路规划、选址提供依据。
附图说明
图1为本发明技术方法的流程图。
图2环渤海地区城镇中心集聚性探测结果示意图。
图3环渤海地区城镇拓展成长性探测结果示意图。
图4环渤海地区城镇建设用地空间拓展强度差异性示意图。
图5环渤海地区城乡建设空间敏感性概率及程度等级分布图
具体实施方式
下面，结合附图对本发明的具体实施例进行详细描述。
在本实施例中，以环渤海地区为案例区，基于1980年、1995年、2000年、2010年环渤海地区土地利用数据为数据源，对环渤海地区城乡建设集聚性进行探测。
下面结合图1中的流程图对本实施例的具体实施步骤进行描述。本实施例中的具体步骤如下：
(一)数据的获取及提取
(1)获取案例区1980年、1995年、2000年、2010年土地利用Shapefile格式数据(ArcGIS格式)；
(2)基于ArcGIS 10.1软件平台，提取案例区1980年、1995年、2000年、2010年土地利用Shapefile格式数据中的城乡建设用地数据(ArcGIS格式)；
(3)制作不同尺度格网数据；
(4)对不同尺度格网数据以研究区边界图层为掩模图层进行裁剪，进行格网数据范围标准化，得标准范围格网图层；
(5)将案例区1980年、1995年、2000年、2010年土地利用Shape格式数据中的城乡建设用地数据与不同尺度标准范围格网图层进行融合，使城乡建设用地数据的离散空间分布属性归结至(或者映射、链接至)每一个网格单元中。
具体而言，对于每种尺度的标准网格，对单元格内城乡建设用地面积以及单元格内城乡建设用地面积动态变化量进行提取，使其城乡建设用地离散斑块面积属性归结至每一个网格单元中。
本发明的上述步骤基于格网单元统计方法，其优势是方便矢量-栅格数据格式便捷转换对接和空间情景建模模拟、最优模拟尺度的识别。
(二)城乡建设中心集聚性探测
基于地统计分析的空间自相关性的冷热点区域探测方法，对案例区1980年、1995年、2000年、2010年城乡建设用地数Shape格式数据进行冷热点区域探测，得到案例区城镇中心集聚性探测结果。
城乡空间中心集聚性探测所采用的计量模型见式(1)、式(2)。
Getis-Odr Gi *用来检验局部是否存在空间统计上的聚集高值区或者低值区域。
式中，xj是每个网格的属性值(每个格子统计的建设用地面积)，i和j分别为不同网格的序号，i和j均为1至n之间的整数，n为网格的总数目。wi,j是网格i和j空间权重，具体而言，当i和j所对应的网格相邻时该权重的取值为1，否则为0。在探测中采取空间搜索半径法，以10km为相关距离构建了空间权重矩阵。
然后基于探测结果生成相应的城乡建设集聚性图(附图2)。由图2分析可知，从城镇建设用地的空间格局来看，环渤海地区城乡发展转型中心性呈现出以若干中心城市为核心展开的空间格局。对于每种尺度的网格均要进行一次城乡建设集聚性探测。
(三)城乡发展转型动态性探测
基于步骤(二)计算得到的案例区1980年、1995年、2000年、2010年城镇中心集聚性进行探测。
在ArcGIS 10.1软件支持下，计算出某一时期建设用地拓展增加面积，即相邻两个时间点的建设用地面积增加量。
计算两个研究区图层的时间跨度。
计算研究区图层的总面积。
按公式(3)进行案例区城镇拓展成长性探测。
公式(3)是本发明构建的城乡建设用地扩展强度指标Li，用以表征一定时期内每个单元网格城乡建设用地拓展速度与强度。在本实施例中，对5km×5km网格的建设用地面积平均变化速度进行归一化处理，使其具有横向可比性，然后，将下式代入公式(1)和(2)中计算动态的城乡建设集聚性。
式(3)中，ΔUi为某一时期建设用地拓展增加面积，Δt为时间跨度，TLA为研究单元的土地总面积。
探测结果如附图3所示。由图3分析可知，1980年代以来，环渤海地区大城市的中心集聚性不断加强，特别是地级市的中心性日益凸显。基于5km×5km格网统计单元，对城镇建设用地空间积聚的热点区域探测表明，城乡发展转型的中心地域性差异特征不断显现。
环渤海地区以京津两市为中心，大连、青岛、烟台、威海、秦皇岛等沿海开放城市为扇面，以沈阳、石家庄、济南等省会城市为区域支点，构成了中国北方的密集城市群体系。基于此信息，在公路和铁路规划时，就可以优先考虑对这些集聚中心点进行连接。当然，由于本实施例的研究区域较大，这些大城市之间的铁路主干线路和公路主干线路已经确定，显得本发明所获得的集聚性图意义不大，但是实际上，对于一些规模稍小的区域而言，通过本发明的集聚性图能够更好地规划处最优的铁路和公路路线，使得路线的覆盖人群尽可能多。
山地区城镇建设用地拓展和区域城镇中心聚集性不明显。平原地区逐渐形成以省会城市为一级聚集中心、地级市为二级聚集中心、县级市及县城镇为区域中心的基本格局。基于动态的城乡建设集聚性图，能够看出集聚性的发展趋势，这样在城市规划时，就可以有前瞻性地进行相应调整。比如，当从动态的城乡建设集聚性图中发现个别地区的城乡建设强度增加较快时，就应该针对性地增加该地区的供水、供电和路网建设规划，以便能够在实现城乡建设的同时，实现公共服务的跟进。
(四)城乡建设强度差异性探测
在每个单元网格城乡建设用地动态强度测算的基础上，基于公式(1)和(2)，运用公式(4)，对两个中心集聚性结果图层进行城乡发展转型强度差异性探测。
ΔG＝Gt1-Gt2 (4)
式(4)中，Gt1、Gt2为两个年份同一位置对应网格的Getis-Odr Gi指数。
在ArcGIS平台支持下，进行城乡建设集聚的差异性探测。
经过对环渤海地区的1980s～1995年、1995～2000年、2000～2010年、1980s～2010年等四个时段的城镇建设用地扩展强度进行地统计的热点探测模拟，得到图4所示的城乡建设强度差异性图。
(五)城乡建设空间敏感性概率探测
对案例区1980年、1995年、2000年、2010年土地利用Shapefile格式数据中的城乡建设用地数据进行二值化处理，得到案例区城乡建设用地二值化数据。其中1代表城乡建设用地，0代表其他用地。
这里的二值化处理是指，对于一定尺度的网格空间中的每个网格，对于其中的城乡建设用地占网格总面积的比例进行二值化，如果城乡建设用地所占比例超过一定阈值，例如50％，则将该网格的值设为1、否则为0。
获取城乡建设聚集性的主要影响因素数据。这些影响因素包括：DEM(数字高程)(x1)、SLOPE(坡度)(x2)、气温(x3)、降水(x4)、距省会城市距离(x5)、距地级市距离(x6)、距县级市距离(x7)、距县区所在地距离(x8)、距镇驻地距离(x9)、距乡驻地距离(x10)、距铁路距离(x11)、距高速公路距离(x12)、距国道距离(x13)、距省道距离(x14)、距县乡道距离(x15)、距河流距离(x16))等。
对案例区的影响因素数据进行空间栅格化处理，获得各因素的空间栅格数据。采取分层采样方法对各因素空间栅格数据进行采样取值。考虑回归精度的尺度效应，选取不同尺度的栅格单元进行计算。在本实施例中，选取100m、300m、600m、900m、1200m、1500m、1800m、2100m、2400m、2700m等9个尺度，并开展不同尺度下城镇建设用地与影响因素的logistic回归。
利用logistic逐步回归模型，对城乡建设用地的二值化数据与采样后的影响因素数据进行逐步回归，回归分析模型如式(5)：
式(5)中，Pi表示每个栅格可能出现城乡建设用地类型i的概率，x表示影响因素。贝塔表示偏回归系数。
具体而言，在本实施例中，城镇建设用地空间分布概率的logisitic回归模型如下：
利用ROC检验方法，对logistic回归结果进行ROC检验，并探测识别最优模拟尺度，进行城乡发展转型空间概率趋向预测。依据回归系数和各影响因素栅格图层，进行加权栅格代数运算，最终得到此年份城乡建设用地的空间分布概率图。每个象元记录该象元代表的地块转化为城乡建设用地的概率。
遍历概率图层，读取各个象元值到一维数组，对其按照从小到大顺序排序。定义一个10个元素的浮点型数组rateArray，将3>中得到的排好序的数组等分为10等分。取出10％、20％、30％……100％，10个等分点，放入数组rateArray中。
将二值化图像也等分为10等分。
依次以上一步中的rateArray数组中的每个值作为阈值。假定以10％作为阈值，则拿出已分为10份的二值化图像的第一份作为样本其个数为n，通过二值化图像二维数组和概率图像二维数组一一比对得出预测正确的个数为正例数为a1，预测错误的个数为负例数b1。这样依次以20％、30％……100％，作为阈值计算出每一组的正例数和负例数。
根据敏感度M(10％)＝a1/(a1+a2……a10)，特异度T(10％)＝b1/(b1+b2……b10)，依次计算出M(20％)T(20％)、M(30％)T(30％)等10组结果，其中以敏感度作为X值，特异度作为Y值，做出ROC曲线。
根据ROC曲线，进行多尺度比选，确定1200m栅格为最优空间尺度，ROC检验值为0.863。
利用地图代数运算法，将各影响因素图层代入logistic回归模型，得出城乡发展转型空间敏感性概率图(图5左)。
进一步依据城乡建设敏感性概率图程度差异，划分为5个等级(图5右)，
极强(85％～100％；
较强(75％～85％)；
中等(60％～75％)；
一般(50％～60％)；
较弱(＜50％)；
五个等级的空间比例分别为28.64％、27.59％、27.72％、8.79％、7.27％。
以点-轴-面空间构型为基础的平原与山区、沿海与内陆、经济圈核心与外围城乡发展转型的差异性显著。
主要表现为区位优势区具有明显的城乡发展转型敏感性，未来城乡发展转型及一体化的极强敏感区呈现出以北京-天津-滨海新区为发展轴，以京津冀为核心区，以辽东、山东半岛为两翼的环渤海区域经济协同发展集聚区；区域层面的城乡发展转型形成以京津冀经济圈为核心、以山东半岛和辽中南地区为副中心的整体区域核心架构。
虽然上面是将环渤海地区作为研究区来进行的探测，但是本领域技术人员应该理解，该方法还可以应用于任何其他研究区。本发明所获得的动态集聚性图和城乡建设敏感性图是通过对建设趋势的统计分析而生成的具有很强前瞻性的区域图，规划人员可以利用这些图像指导基础设施的规划选址。比如，通过本发明的所获得的图，可以在一些即将成为热点的区域提前规划基础设施。
虽然上面结合本发明的优选实施例对本发明的原理进行了详细的描述，本领域技术人员应该理解，上述实施例仅仅是对本发明的示意性实现方式的解释，并非对本发明包含范围的限定。实施例中的细节并不构成对本发明范围的限制，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案的等效变换、简单替换等显而易见的改变，均落在本发明保护范围之内。

Claims (6)

1.一种城乡建设集聚性的探测方法，其特征在于，所述方法包括如下步骤：
步骤1：获取研究区在若干不同时间点的城乡建设用地空间矢量数据；
步骤2：制作不同尺度的空间网格；
步骤3：对不同尺度的空间网格数据以所述研究区的边界图层为掩模图层进行裁剪，获得与所述研究区匹配的不同尺度的标准范围格网；
步骤4：对于所述研究区每一个时间点的城乡建设用地数据，分别将不同尺度的所述标准范围格网与每一个时间点的所述城乡建设用地数据叠置融合，以便将每个时间点的城乡建设用地数据映射到不同尺度的所述标准范围格网，从而对于每一种尺度的标准范围格网形成对应于不同时间点的含有城乡建设用地数据的多个标准范围数据格网；
步骤5：对于每种尺度的各个所述标准范围数据格网，计算其内部各个单元格中城乡建设用地面积总和；
步骤6：对于每种尺度的各个所述标准范围数据格网，计算所述研究区的城乡建设集聚性，在所述步骤6中，所述研究区的城乡建设集聚性是通过下式计算的：
其中，
其中，xj是每个网格内城乡建设用地面积，wi,j是网格i和j的空间权重，i和j分别代表两个网格的序号，n代表网格总数目，
所述方法还包括：
获取所述研究区内对于城乡建设用地空间分布的影响因素数据；
对所述不同尺度的城乡建设用地网格融合数据和所述影响因素数据进行逻辑斯蒂回归分析，获得城乡建设空间敏感性数据；
城乡建设空间敏感性概率探测的具体步骤包括：
对研究区不同时间点的土地利用Shape格式数据中的城乡建设用地数据，进行网格化，对网格化后的城乡建设用地数据进行二值化处理，得到研究区城乡建设用地二值化数据，其中1代表城乡建设用地，0代表其他用地；
对所获得的影响因素数据进行空间栅格化处理，获得各因素的空间栅格数据；
采取分层采样方法对各因素的空间栅格数据进行采样取值；
利用logistic逐步回归模型，对二值化的城乡建设用地数据与采样后的影响因素数据进行逐步回归，回归分析模型如下式(5)：
式(5)中，Pi表示每个栅格可能出现城乡建设用地类型i的概率，x表示影响因素，贝塔表示偏回归系数，
然后，利用ROC检验方法，对logistic回归结果进行受检者工作特性曲线ROC检验，并探测识别最优模拟尺度，进行城乡发展转型空间概率趋向预测，依据回归系数和各影响因素栅格图层，进行加权栅格代数运算，最终得到此年份城乡建设用地的空间分布概率图，每个象元记录该象元代表的地块转化为城乡建设用地的概率。
2.根据权利要求1所述的探测方法，其特征在于，所述方法还包括：基于同一尺度的对应于不同时间点的标准范围数据格网，计算在某一时间段内所述标准范围数据格网中每个单元格的建设用地扩展强度Li，
其中，ΔUi为所述时间段内城乡建设用地拓展增加面积，Δt为时间跨度，TLA为每个单元格的土地总面积，
每个尺度，将所计算出的建设用地扩展强度Li代入公式(1)和(2)作为xi，从而计算出不同尺度条件下的动态城乡建设集聚性。
3.根据权利要求2所述的探测方法，其特征在于，所述方法还包括：
基于所获得的动态城乡建设集聚性来计算在每个尺度下不同网格之间的城乡建设集聚性差异。
4.根据权利要求3所述的探测方法，其特征在于，所述动态城乡建设集聚性通过下式计算：
ΔG＝Gt1-Gt2 (4)
式(4)中，Gt1、Gt2为两个年份同一位置对应网格的Getis-Odr Gi指数。
5.一种生成城乡建设集聚性图的方法，其特征在于，所述方法包括：
利用权利要求1中所述的方法获得研究区的城乡建设集聚性数据，并基于所述城乡建设集聚性数据生成对应的城乡建设集聚性图；或者
利用权利要求2-4中所述的方法获得研究区的动态城乡建设集聚性数据、城乡建设集聚性差异数据或者城乡建设空间敏感性数据，并且基于相应数据生成动态城乡建设集聚性图、城乡建设集聚性差异图或者城乡建设空间敏感性图。
6.一种城乡间主干公路线路选址方法，其特征在于，所述方法包括：利用根据权利要求1所述的方法计算城乡建设空间敏感性数据，并且基于所述建设空间敏感性数据选择所述城乡间主干公路线路的地址，以使得所述城乡间主干公路线路覆盖的敏感性数据值最高。
CN201410689830.XA 2014-11-25 2014-11-25 一种城乡建设集聚性的探测方法 Active CN104463442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410689830.XA CN104463442B (zh) 2014-11-25 2014-11-25 一种城乡建设集聚性的探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410689830.XA CN104463442B (zh) 2014-11-25 2014-11-25 一种城乡建设集聚性的探测方法

Publications (2)

Publication Number Publication Date
CN104463442A CN104463442A (zh) 2015-03-25
CN104463442B true CN104463442B (zh) 2018-01-26

Family

ID=52909439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410689830.XA Active CN104463442B (zh) 2014-11-25 2014-11-25 一种城乡建设集聚性的探测方法

Country Status (1)

Country Link
CN (1) CN104463442B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105740824B (zh) * 2016-02-01 2019-10-22 福建师范大学 一种具有抗特征冲突的人口密集区识别方法
CN105893675B (zh) * 2016-03-31 2019-01-29 东南大学 一种基于天空可视域评价的开放空间周边建筑形态优化控制方法
CN105976113A (zh) * 2016-05-09 2016-09-28 江苏省城市规划设计研究院 一种建设用地集约利用的预警控制方法及系统
CN108305302A (zh) * 2018-01-16 2018-07-20 中国科学院地理科学与资源研究所 一种地域功能核心-边缘结构的拟合方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090132209A1 (en) * 2007-12-12 2009-05-21 At&T Delaware Intellectual Property, Inc. Method for analyzing damage to a physical plant

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于空间相关的逻辑回归模型的城市扩展模拟;吴楷钊等;《河南大学学报》;20100531;第40卷(第3期);第1-7页 *
长江三角洲地区城市空间扩展研究;王磊等;《地理科学》;20101031;第30卷(第5期);第1-7页 *

Also Published As

Publication number Publication date
CN104463442A (zh) 2015-03-25

Similar Documents

Publication Publication Date Title
Hu et al. Spatial quantitative analysis of the potential driving factors of land surface temperature in different “Centers” of polycentric cities: A case study in Tianjin, China
Yang et al. Impact of accessibility on housing prices in Dalian city of China based on a geographically weighted regression model
Wang et al. Mapping the local climate zones of urban areas by GIS-based and WUDAPT methods: A case study of Hong Kong
Li et al. Multi-scale analysis of rural housing land transition under China's rapid urbanization: The case of Bohai Rim
Wang et al. Environmental and anthropogenic drivers of surface urban heat island intensity: A case-study in the Yangtze River Delta, China
Yang et al. Incorporating ecological constraints into urban growth boundaries: A case study of ecologically fragile areas in the Upper Yellow River
Wu et al. Mapping building carbon emissions within local climate zones in Shanghai
Das et al. Assessment of urban sprawl using landscape metrics and Shannon’s entropy model approach in town level of Barrackpore sub-divisional region, India
Doyle From hydro/geology to the streetscape: Evaluating urban underground resource potential
CN110472882A (zh) 基于主成分分析的城市开发用地适宜性评价方法
CN109146204A (zh) 一种多层次综合评估的风电场升压站自动选址方法
CN114240119A (zh) 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法
Kushwaha et al. Urban growth modeling using earth observation datasets, Cellular Automata-Markov Chain model and urban metrics to measure urban footprints
CN104463442B (zh) 一种城乡建设集聚性的探测方法
Shikary et al. Measuring urban land use change and sprawl using geospatial techniques: A study on Purulia Municipality, West Bengal, India
Ogle et al. Quantifying the sustainability of urban growth and form through time: An algorithmic analysis of a city's development
Zhang et al. Using street view images to identify road noise barriers with ensemble classification model and geospatial analysis
Ma et al. Investigating urban heat-related health risks based on local climate zones: A case study of Changzhou in China
CN110175370A (zh) 一种城市汇水潜力区识别方法
Wang et al. A comparison of proximity and accessibility drivers in simulating dynamic urban growth
Al-Anbari et al. Landfill site selection in Al-Najaf governorate, Iraq
Zhang et al. Measurement of urban expansion and spatial correlation of central Yunnan urban agglomeration using nighttime light data
Jin et al. Investigating urban land dynamic change and its spatial determinants in Harbin city, China
Aithal et al. Urbanization in India: Patterns, visualization of cities, and greenhouse gas inventory for developing an urban observatory
CN104699906A (zh) 一种结合车载轨迹数据及地形的空间可达性测度方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant